数据分析能够帮助我们更好地进行运营决策，数据分析能够很好的为转化用户提供参考与数据支撑。
商业领域的数据分析，就是为了给商业行为提供良好的数据预测以及效果评估，在互联网界也是如此。我们在目前商业环境所做的每一项活动都直接或者间接与用户有着联系，其目的本质都是一样，为了让用户成为你的消费者，更进一步的持久消费者。因此数据分析，也应该为转化用户提供参考与数据支撑。毕竟没有用户转化为消费者这个过程，所有的分析都是天方夜谭。数据的结论与行为的预测彼此就是一个循环论证的过程。
首先澄清一下数据分析其实并不是什么高深的学问，在现实的职场实战中，涉及涵盖的数据分析的方法以及复杂性是远低于在学校里习得的专业知识。什么卡方检验，方差分析，回归分析显著性检验等等在非用研以及非专业统计分析领域是很少涉及的。（当然那些学过数理统计学的专业人士也不屑于本文提到的内容，如果大家对这些看起来比较高深的分析方法有兴趣可以自行脑补）。本文只给运营以及一些涉及产品方向的岗位提供分析思路并结合实际案例对我所涉及的领域，抽丝剥茧，给大家一个更加直观的用户转化方面涉及数据分析的知识覆盖。
互联网的大用户概念我们可以直接简单粗暴认定为流量，这里的流量并不是指的简单的IP,UV,PV也可以指来电数，访客人数，人流量等概念既然是流量也就有其自身的数量。我们在对流量转化的数据分析时都会基于一种逻辑方案———流量漏斗转化模型进行分析。
原理很简单，我们可以形象的认为自身的互联网产品其本身就是一个虚拟的漏斗，用户在进行浏览到最终完成下单行为（或者其他我们认定的转化行为比如注册，关注，转发等）有多少被直接阻挡在了“滤网”之上，有多少顺利的达到了我们预设的“转化行为区域”。当然，我们所有的活动都并不是一锤子买卖，因此也要从横向（时间）维度来分析问题。持续的转化用户，保持老用户的消费活力也是分析工作的重中之重。当然，我们在转化流量不仅仅是指的转化的数量而且还指转化的质量，说的比较简单点，就是要提高单个用户的消费价值。
